OpenAIs AI påstår sig ha löst en av matematikens största olösta gåtor på 88 timmar — men anklagelser om akademiska normbrott skuggar triumfen

När AI gör det omöjliga möjligt

Navier-Stokes-ekvationerna beskriver hur vätskor rör sig — från luftströmmar runt ett flygplansvinge till blodet i dina ådror. De formulerades på 1800-talet och har sedan dess gäckat generationer av matematiker. År 2000 utsåg Clay Mathematics Institute problemet till ett av sina sju Millennieprisutmaningar, med en prispott på en miljon dollar till den som bevisade att lösningarna alltid existerar och är väldefinierade — eller bevisade motsatsen.

Nästan 90 år av mänsklig ansträngning. 88 timmar för OpenAIs AI.

Enligt The Verge använde OpenAI en ännu opublicerad modell som samordnade ungefär 10 000 AI-agenter i parallell problemlösning. Företaget kallar det ett "milstolpe-genombrott" — och ur rent teknisk synvinkel är det svårt att argumentera mot den beskrivningen. Det handlar inte längre om att AI kan slå människor i schack eller skriva välformulerade e-postmeddelanden. Det handlar om att AI nu verkar kunna förflytta vetenskapens yttersta gränser.

Detta är den sortens genombrott jag länge har väntat på att se. Inte AI som ett verktyg för effektivisering — utan AI som en aktiv kraft i mänsklighetens kunskapsbygge.

Skuggan bakom ljuset

Men triumfen är inte okomplicerad. Bara en dag innan OpenAIs tillkännagivande publicerade matematikprofessorn Tristan Buckmaster vid New York University resultat på ett närbesläktat problem, tillsammans med Levent Alpöge, forskare med kopplingar till OpenAIs rivalföretag Anthropic. Buckmaster ska ha kontaktat OpenAI efter tillkännagivandet och berättelsen som följer är allt annat än vacker.

Enligt The Verge har tillkännagivandet utlöst anklagelser om möjlig informationsstöld, hot mot inblandade forskare och brott mot de akademiska normer som vetenskaplig integritet vilar på. Det handlar om frågor som: Hade OpenAI tillgång till Buckmasters opublicerade arbete? Användes det i träningen av modellen? Varför offentliggjordes resultaten utan sedvanlig vetenskaplig granskning?

Dessa frågor är inte perifera detaljer — de är kärnan i hur vetenskap fungerar. Det öppna utbytet av idéer, kamratgranskning och tydlig källhänvisning är inte byråkratiska formaliteter. De är de mekanismer som gör att vi kan lita på vetenskapliga resultat överhuvudtaget.

Kapplöpningens logik kontra vetenskapens

Här ser vi en spänning som kommer att definiera AI-erans förhållande till forskarvärlden. Teknikföretag opererar i kapplöpningens logik: snabbhet, konkurrensfördelar, tillkännagivanden som skapar rubriker och investerarförtroende. Vetenskapen opererar i en annan rytm — metodisk, kollegial, transparens som grundförutsättning.

När dessa två kulturer krockar, som de tydligt gjort här, uppstår friktion. Och friktionen är inte bara akademisk. Om AI-modeller tränas på opublicerat forskningsmaterial utan tillstånd, om tillkännagivanden sker utan granskning, och om resultaten inte kan reproduceras och verifieras — då undermineras själva poängen med genombrotten.

Jag är genuint entusiastisk över vad AI kan göra för vetenskapen. Men entusiasm utan ansvar är inte en strategi — det är en risk.

Vad Navier-Stokes betyder i praktiken

Låt oss inte tappa bort det faktiska genombrottets betydelse i kontroversens brus. En lösning på Navier-Stokes-problemet har potentiellt enorm praktisk räckvidd. Bättre modellering av turbulens kan revolutionera allt från flygplanskonstruktion och klimatsimuleringar till läkemedelsutveckling och kärnkraftsteknik. Det är inte abstrakt matematik — det är grundvetenskap med konkret tillämpningspotential i industrier värda biljoner kronor.

Om resultatet håller vid granskning, och om beviset visar sig vara matematiskt giltigt, är detta ett av de mest betydelsefulla vetenskapliga framstegen på decennier. Det bör firas. Men det bör firas på rätt sätt — med öppenhet, med granskning, och med respekt för de mänskliga forskare vars axlar AI-modellerna står på.